用人工智慧解答法律問題

講者|臺灣師範大學東亞學系副教授 邵軒磊
彙整撰文|鄭兆庭

「柔軟的心」、「好奇的腦」、「新鮮的肝」,邵軒磊老師以這三項跨領域的特質作為開場,指出跨領域運用人工智慧(下稱AI)做研究需要勇於挑戰、吸收新知以及充足的體力。邵老師的研究生涯從「中國研究」起步,近期則以AI文字探勘法繼續相關研究;近期也跨足數位人文領域以及今天的主題「法律資料分析」,後者是邵老師在其參與的「法律資料分析研究室」(Lab of Legal Analytics)進行的各種研究專案。

2018年,愛沙尼亞宣布將啟用AI法官處理金額較小的訴訟;同年以色列的研究團隊也開發了能從事協議撰擬的AI律師,其某些表現優於人類律師。邵老師指出,這類AI的法律應用衝擊了我們長久以來對於法律的認知:從前認為法律規範所構築的複雜價值體系是人類文明之璀璨花朵,是人類社會異於動物社會的一個分界點。但若是AI得以涉入此一領域,那將會動搖人類的自我想像與定位。最實際的,是引發了法律專業團體(律師、法官)是否被AI取代的疑慮。邵老師認為,AI要「完全取代」專業人士仍有很長的一段路要走,現在的AI研究著眼於人類與AI共事以達到「賦能」(empower)的效果,使專業人士得以藉由AI的協助,節省時間而能發揮更多專業判斷能力。

●AI與法律分析三部曲

邵軒磊老師實驗室是關心法律審判上的三種議題:第一,某種情狀會判誰贏;第二,審判理由為何;第三,會有哪類案件。如果把上述問題意識與AI領域結合,使用機器計算的幾種特性,分別開啟三種層次的專案,分別是:第一,AI模仿人類做決策;第二,AI找出人類做決策的理由;第三,AI能記住大量資訊從而提供人類原先所不知的資訊。這三種研究方法對應在以下將分別介紹之:

首先研究「會判誰贏?」,審判的本質就是由「兩造的紛爭→第三方之法官聽訟→法官下達判斷」等三個要素所組成。利用AI讀判決並作出判決的研究,就是將前述的法官交由AI扮演,最後再將AI的判斷與原本真實的判決相互檢證。邵老師所做的離婚親權裁判預測研究,結果發現AI所建立的模型,有助預測大多數親權酌定裁判的結果(親權歸屬父或母),吻合率達98.55%。這個研究的突破在於,證明了判決可被計算並且可以驗證其預測結果。不過,邵老師也指出在第一階段的嘗試中能做到預測單一結果,但無法得知判決其理由,此外,在標注判決的準備工作上需要耗費大量人力。這些問題都是後續研究專案的方向。

所以,接下來的專案想研究「為什麼這麼判?」,邵老師的團隊開始研究AI如何給出理由。其背後的基本概念是亂度(entropy),也就是新增加一個分類,能否帶出有效資訊的思維。發現「某些規則可以減少亂度」是主要的研究目標。回到離婚親權裁判上,邵老師在第二階段使用決策樹模型,研究發現法官通常會先考慮父或母誰才是小孩主要照顧者,再考慮小孩的意願。另外,社工所評估雙方與小孩之間的互動也是重要指標。這三項指標中有兩項以上的一方,比較容易取得小孩的親權。更進一步,再用梯度提升法,可以單獨分析每一個案件的「理由比重」,令人看出親權裁判中,母親贏或父親贏的典型案件是哪些,以及其個別機率為何。這類研究的啟示是,法律規範的各個構成要件在個別案件中的影響是可以被計算的,並指出實務上不同構成要件對於裁判者的重要性是有差異的。

最後一種類型的議題是「有什麼案件?」,邵老師是以藉由「法律資料分析毒品流向」的研究說明之。邵老師問想知道毒品的流向,可能有什麼樣的作法?在缺乏一手資料又無法潛入調查的情況下,機器大數據提供了一個研究突破點,即倒傳遞法的法律應用(legal backward propagation)。這個方法簡單來說就是將毒品案件判決中的人、事、時、地、物等要素標記出來,再以大量判決中的案件資訊畫出一張毒品流向的地圖。這個研究有效的處理法律文書這類的長文本、以大量的判決作為資訊來源。

 

附錄

邵老師演講中所引用的研究列於下方:

邵軒磊、吳國清(2019),法律資料分析與文字探勘:跨境毒品流動要素與結構研究,《問題與研究》,58卷2期,頁91-114。

黃詩淳、邵軒磊(2017),運用機器學習預測法院裁判:法資訊學之實踐,《月旦法學》,270期,頁86-96。

黃詩淳、邵軒磊(2018),酌定子女親權之重要因素:以決策樹方法分析相關裁判,《臺大法學論叢》,47卷1期,頁299-344。

黃詩淳、邵軒磊(2019),人工智慧與法律資料分析之方法與應用:以單獨親權酌定裁判的預測模型為例,《台大法學論叢》,48卷4期,頁2023-2073。

人瀏覽過